《从零手写一个“支持泛型”的自定义容器：Generic + Protocol 的工程化实战（兼顾初学者与进阶开发者）》

《从零手写一个“支持泛型”的自定义容器：Generic + Protocol 的工程化实战（兼顾初学者与进阶开发者）》

你有没有遇到过这样的场景：
你写了一个容器类 Cache、Queue、Repository、Store……

✅ 它能装任何东西，使用起来非常灵活
❌ 但当项目越来越大，你开始害怕：

• 里面到底装的是 User 还是 Order？
• 调用 .get() 时返回的是 T 还是 Optional[T]？
• IDE 补全不准、重构不敢动
• 同事调错类型，Bug 藏得像地雷

这个时候，你很可能会产生一种渴望：
“如果我的容器能像 list[int] 那样支持泛型就好了。”

这篇文章，我们就来一步一步手写一个支持泛型的自定义容器：
✅ 支持 MyContainer[int] 这种类型参数化
✅ 使用 typing.Generic + TypeVar 建立类型传递
✅ 用 Protocol 抽象容器接口，让依赖更稳定、更可测试
✅ 并加入一些“真实生产环境”的最佳实践：运行时校验、迭代器、线程安全、缓存策略等

你会发现：Python 的泛型不仅是“注解”，更是一种可设计、可建模的工程能力。

---

目录（建议收藏）

1. Python 泛型的意义：为什么你应该关心？
2. TypeVar + Generic 的基础入门（初学者友好）
3. 第一个泛型容器：手写 Box[T]
4. 设计一个实用容器：Stack[T]（支持迭代、len、repr）
5. Protocol 出场：解耦容器使用方与实现方
6. 进阶：泛型容器的“类型安全 API”设计
7. 实战案例：手写一个泛型 Repository[T]（模拟 ORM/DAO）
8. 运行时校验：泛型容器能不能真正“强类型”？
9. 单元测试 + 工程最佳实践：写得稳、跑得快、团队可协作
10. 前沿趋势：Python 类型系统的下一站
11. 总结与互动

---

1. Python 泛型的意义：为什么你应该关心？

泛型的核心价值只有一句话：

让你的代码在保持复用能力的同时，仍然保留类型信息。

没有泛型会怎样？

class Stack:
    def push(self, item):
        ...
    def pop(self):
        ...

你永远不知道 pop() 返回的是啥。
IDE 无法补全，mypy 无法检测，代码越写越“玄学”。

有泛型后会怎样？

stack: Stack[int] = Stack()
stack.push(1)
x = stack.pop()  # IDE 知道 x 是 int

这不仅是“舒服”，更是工程效率、安全性、可维护性的提升。

---

2. TypeVar + Generic 的基础入门（初学者友好）

2.1 TypeVar 是什么？

TypeVar 用来表示一个“类型变量”，你可以理解为：

T = “某一种具体类型，但现在还不知道是什么”。

from typing import TypeVar

T = TypeVar("T")

2.2 Generic 是什么？

Generic[T] 是一个“泛型基类”，告诉 Python：

这个类会使用类型变量 T，并且支持类型参数化。

from typing import Generic

class Box(Generic[T]):
    ...

---

3. 第一个泛型容器：手写 Box[T]

先用最简单的 Box[T] 来理解类型是如何传递的。

from typing import TypeVar, Generic

T = TypeVar("T")

class Box(Generic[T]):
    def __init__(self, value: T):
        self._value = value

    def get(self) -> T:
        return self._value

    def set(self, value: T) -> None:
        self._value = value

使用：

b1 = Box
x = b1.get()   # x 被推断为 int

b2 = Box[str](